Manutenção preditiva, análise de dados sísmicos, drones que inspecionam plataformas e sistemas capazes de antecipar falhas em equipamentos. A inteligência artificial deixou de ser promessa e já começa a fazer parte da rotina da indústria de petróleo e gás. Mas, à medida que os algoritmos se aproximam dos ativos físicos e das decisões operacionais, surge uma questão que vai muito além da tecnologia: quem responde quando a IA erra?
Uma indústria que já não questiona “se”, mas “como” usar IA
A busca por eficiência operacional, redução de custos e melhor desempenho dos ativos vem acelerando a transformação digital do setor. O 2026 Oil & Gas Industry Outlook, da Deloitte, aponta o avanço tecnológico entre as forças que devem moldar os próximos anos da indústria e registra que soluções avançadas de manutenção, combinadas com sensores, drones e robótica, podem reduzir falhas de equipamentos em até 40%, com economias anuais que chegam a US$ 10 milhões em determinados ativos de alta complexidade.
No Brasil, esse movimento encontra um impulso adicional na política de Pesquisa, Desenvolvimento e Inovação (PD&I) da Agência Nacional do Petróleo, Gás Natural e Biocombustíveis (ANP).
Os contratos de exploração e produção preveem investimentos obrigatórios em PD&I: nos contratos de concessão, a obrigação corresponde a 1% da receita bruta da produção dos campos sujeitos ao pagamento de Participação Especial; nos contratos de partilha, a 1%; e, na cessão onerosa, a 0,5%.
Esse ambiente ajuda a explicar por que a transformação digital já ocupa posição relevante na agenda do setor. Pesquisa realizada pela Deloitte com apoio do Instituto Brasileiro de Petróleo e Gás (IBP) mostrou que 87% das empresas consultadas priorizam projetos de inovação.
Os principais ganhos relatados estão justamente onde a indústria mais sente seus efeitos: eficiência, desempenho e segurança operacional.
Do campo ao dado: onde a IA já opera
Na exploração e produção, algoritmos de aprendizado de máquina processam grandes volumes de dados sísmicos e geológicos, auxiliando na redução de incertezas e na tomada de decisões de perfuração. Em um país que ocupa posição de destaque mundial em operações em águas profundas e ultraprofundas, o potencial é evidente.
Na manutenção, sensores associados a modelos preditivos podem identificar padrões anormais antes que uma falha resulte em parada não programada. Drones e sistemas de visão computacional ampliam a capacidade de inspeção de estruturas e equipamentos.
Já nas áreas corporativas, ferramentas de IA generativa começam a apoiar atividades de suprimentos, compliance e jurídico, da análise de documentos à revisão de contratos e avaliação de fornecedores.
Mas a adoção não ocorre sem pontos de atenção. O estudo da Deloitte e do IBP mostra que, embora a inovação esteja disseminada, benefícios ligados à geração de propriedade intelectual e à segurança cibernética ainda aparecem abaixo de outros resultados percebidos pelas empresas.
É justamente aí que a discussão deixa de ser apenas tecnológica.
Antes de uma lei específica, um mosaico de regras já se aplica
O Brasil ainda não possui uma lei geral de inteligência artificial em vigor. O Projeto de Lei nº 2.338/2023, aprovado pelo Senado em dezembro de 2024, segue em análise na Câmara dos Deputados. Em 2025, o Poder Executivo apresentou ainda o PL nº 6.237/2025, que propõe a criação do Sistema Nacional para Desenvolvimento, Regulação e Governança de Inteligência Artificial (SIA); em 2026, a proposta foi apensada ao PL 2.338.
A ausência de um marco específico, entretanto, não significa ausência de regulação.
A depender da aplicação, sistemas de IA utilizados pela indústria já podem estar submetidos à Lei Geral de Proteção de Dados (LGPD), às normas de segurança operacional e demais regras setoriais, à legislação ambiental, às normas de propriedade intelectual e, naturalmente, aos contratos firmados entre operadoras, prestadoras de serviços e fornecedores de tecnologia.
A distinção sobre os dados é particularmente importante. Informações sísmicas, parâmetros de poços e dados de produção ou manutenção não estão automaticamente sujeitos à LGPD, que protege dados relacionados a pessoas naturais. Isso não significa que dados operacionais estejam desprotegidos: seu uso pode envolver obrigações de confidencialidade, segredo de negócio, propriedade intelectual, regras contratuais e normas específicas do setor.
A própria Autoridade Nacional de Proteção de Dados incluiu inteligência artificial e tecnologias emergentes, quando relacionadas ao tratamento de dados pessoais, entre os temas prioritários de fiscalização para o biênio 2026-2027.
Quando o algoritmo sai do escritório e chega à operação
Talvez a principal particularidade da inteligência artificial no setor de óleo e gás esteja na distância entre dois usos aparentemente semelhantes.
Uma ferramenta generativa que produz um resumo incorreto de um relatório pode gerar retrabalho. Um modelo que não detecta adequadamente uma anomalia em equipamento crítico pode contribuir para consequências operacionais, ambientais e humanas muito mais graves.
Quanto mais a IA deixa o ambiente administrativo e se aproxima do poço, da plataforma, do gasoduto ou da sala de controle, maior é a necessidade de definir quem decide, quem supervisiona e quem responde.
Imagine um sistema que recomenda a continuidade de uma operação apesar de determinados sinais de anormalidade. Se o operador humano segue a recomendação e ocorre um incidente, a discussão jurídica rapidamente se torna complexa: houve falha do modelo? Os dados fornecidos eram adequados? O sistema deveria apenas auxiliar a decisão ou havia confiança operacional em sua recomendação? Quem tinha obrigação de validar o resultado?
E há outro fator: raramente existe apenas uma empresa envolvida. Operadora, prestadora de serviços, fabricante do equipamento, desenvolvedor do software, fornecedor de infraestrutura em nuvem e provedor do modelo de IA podem integrar a mesma cadeia tecnológica.
Nesse cenário, a pergunta deixa de ser simplesmente “quem responde pela IA?” e passa a ser “como o risco foi distribuído entre todos os envolvidos?”.
Dados, propriedade intelectual e cibersegurança
A mesma complexidade aparece na propriedade intelectual.
Se uma empresa de tecnologia recebe anos de dados de perfuração de uma operadora para desenvolver um modelo preditivo, de quem é o sistema resultante? O fornecedor poderá aproveitar o aprendizado obtido para atender concorrentes? Quem será titular dos aperfeiçoamentos produzidos durante o contrato? E o que acontece com o modelo treinado quando a relação comercial termina?
Essas perguntas mostram por que já não basta definir apenas a propriedade dos dados originais. Contratos tecnológicos precisam tratar também do uso dos dados para treinamento, dos modelos desenvolvidos, das informações derivadas e dos resultados produzidos pela IA.
Ao mesmo tempo, cresce um risco inseparável da digitalização: a cibersegurança. Plataformas, refinarias, gasodutos e demais instalações industriais combinam cada vez mais sistemas digitais com infraestrutura física. Quanto maior a integração entre inteligência artificial, sensores e tecnologia operacional, maior a superfície potencial para ataques, manipulação de dados, comprometimento de sistemas e interrupções.
Em uma indústria de alto risco, segurança digital e segurança operacional começam, portanto, a ocupar o mesmo território.
O contrato ganha protagonismo
Enquanto a legislação brasileira de inteligência artificial continua em construção, grande parte da segurança jurídica dependerá da governança adotada pelas empresas e, sobretudo, da qualidade de seus contratos.
Cláusulas que antes poderiam parecer excessivamente técnicas começam a assumir importância estratégica:
- quem pode utilizar os dados e para qual finalidade; se eles podem servir para treinar outros modelos; quem é titular dos resultados e aperfeiçoamentos; quais padrões de segurança cibernética devem ser observados; quando uma decisão exige supervisão humana; como os sistemas serão auditados; quem comunica incidentes; e como responsabilidades, indenizações, seguros e limites de responsabilidade serão distribuídos entre as partes.
Também será necessário olhar com atenção para os próprios fornecedores de tecnologia. Muitas companhias não desenvolverão seus sistemas internamente, mas contratarão plataformas, modelos e infraestrutura de terceiros.
Nesses casos, temas como armazenamento de informações, subcontratação, uso de dados para treinamento, possibilidade de auditoria e continuidade do serviço deixam de ser detalhes do contrato de tecnologia e passam a integrar a gestão de risco da própria operação.
A inteligência artificial promete tornar a indústria de petróleo e gás mais eficiente, previsível e segura. Mas a mesma tecnologia que reduz incertezas técnicas pode criar novas incertezas jurídicas quando responsabilidades, dados e decisões não estão claramente definidos.
O desafio dos próximos anos, portanto, talvez não seja simplesmente adotar mais inteligência artificial. Será saber onde confiar no algoritmo, onde exigir intervenção humana e como distribuir juridicamente o risco quando máquinas passam a participar de decisões que antes pertenciam exclusivamente às pessoas.
Por Julia Borges da Mota e Thiago Bandeira
Fonte: Eixos
Foto: Canva
